Vera-Layered-Videoは、動画編集用の階層型拡散データセットで、2026年にCaltechがNetflixと共同で公開しました。階層型拡散モデルに基づいたコンテンツ保存型動画編集をサポートすることを目的としています。関連する研究論文には、以下のようなものがあります。 Vera：コンテンツを保持したビデオ編集のための階層型拡散モデル 。 このデータセットは、トレーニングセットとテストセットで構成されています。トレーニングセットには、49フレームのクリップが11,996個、81フレームのクリップが6,005個含まれています。一方、テストセットには、背景置換とオブジェクト追加という2種類の編集タスクを網羅した141個のクリップが含まれており、合成と実世界のシーンの両方を扱っています。トレーニングセットのデータはPexels、Mixkit、VideoMatte240Kから取得されており、テストセットにはDAVISとVACEBenchの映像も含まれています。

データセットの構成：

• 49個のトレーニングセットフレーム：各フレームは3秒間で、914個のrealistic-set1-bg-change、470個のrealistic-set1-obj-add、770個のrealistic-set2-obj-add、4,994個のsynthetic-bg-change、および4,848個のsynthetic-obj-addフレームが含まれています。
• 81個のトレーニングセットフレーム：各フレームは5秒間で、457個のrealistic-set1-bg-change、235個のrealistic-set1-obj-add、385個のrealistic-set2-obj-add、2,497個のsynthetic-bg-change、および2,431個のsynthetic-obj-addフレームが含まれています。
• テストセットの抜粋：背景変更ステートメントが69個、オブジェクト追加ステートメントが72個含まれています。

引用

@article{zheng2026vera,
title     = {Vera: A Layered Diffusion Model for Content-Preserving Video Editing},
author    = {Zheng, Hongkai and Cheng, Ta-Ying and Klein, Benjamin and Yue, Yisong and Yuan, Zhuoning},
journal   = {arXiv preprint arXiv:2606.23610},
year      = {2026}
}